最经典的DOE培训资料

,深圳速浪数字技术有限公司,DOE Training,-,*,-,深圳速浪数字技术有限公司,DOE Training,-,*,-,深圳速浪数字技术有限公司,DOE Training,-,*,-,课程目录,DOE,与定义,DOE,的一般模式,DOE,的意义,DOE,的分类,DOE,DOE,处方,DOE,方法演示,1.,陈述问题和实验目标,2.,选择“,Y,”,-,响应变量,3.,陈述因子和水平,4.,选择,DOE,5.,实施实验及收据数据,6.,分析实验结果,7.,结论和计划,6a.,为整个模型建立方差分析表,统计,DOE,因子,分析因子设计,6b.,用简化模型重新分析实验,6c.,进行残值诊断，保证模型适合,统计,回归,回归,统计,DOE,因子,分析因子设计,-,图形,6d.,研究显著的交互作用（,P-,值,DOE,因子,因子图,统计,交互作用图,6e.,研究显著的主效果（,P-,值,DOE,因子,因子图,统计,交互作用图,6f.,获得的数学模型,Y=f(X),%SS,的影响和评估实际的重要性,DOE,的关键因素,a),确定实验限制条件,b),设计实验,-,确定实验设计方法,统计,DOE,因子,创建因子设计,c),噪声变量,d),分组与随机化,e),重复与再现,f),确定样本容量,DOE:,即,实验设计,(Design of Experimental)-,是对实验方案进行优化设计、以降低实验误差和生产费用，减少实验工作量并对实验结果进行科学分析的一种科学研究方法；,是一种藉用,实验,的手段,来决,定最佳,设计或生产,的方法,。,Minitab,软件：,是为,DOE,、质量改善、教育和研究应用领域提供,统计软件和服务,的先导,。,MINITAB,被许多,世界一流,的公司,与四千多所院校,所采用,。,有关,DOE,与定义,爱迪生的助手尼古拉,.,特勒撒说：,“,我非常同情他的工作状况，如果有一点点理论和计算能帮助他的话，就将节省他,90%,的精力。,”,爱迪生是靠苦干拼出来的，他是在边试验边分析后确定下次试验该怎幺做的。,这种方法速度太慢，已经无法适应快速发展的需求了,。,天才靠的是,1%,的灵感和,99%,的汗！,-Thomas Edison,爱迪生的汗水,DOE,的一般模式,因子的来源考虑,:,因果图,(,鱼骨图,), FMEA ,柏拉图,头脑风暴法,每个因子存在不同的水平,(level),观测值可能受到噪音的影响,DOE,将通过不同的试验,以得到实际的,X,和,Y,的关系,.,DOE,的意义,1,为什么需要试验设计,1,、优化设计的必要性,提高产量；,减少变异性，与额定值或,目标值更为一致；,减少开发时间；,减少总成本；,DOE,的意义,2,基本研究,1,、发现相关问题,2,、明了技术要点,产品设计,1,、灵敏度分析,2,、建立可靠性的公差,3,、特征组件,4,、特征结构,5,、包括低成本组件,6,、包括低等级物料,7,、最小的变化,8,、性能的改善,工艺研发,1,、变量研究,2,、变量的优化设置,3,、建立可靠公差,4,、发现降低成本的解决办法,2,、实验设计的作用,工艺研发,5,、优化变化,6,、改善过程中心,7,、减少生产周期,8,、降低坏品率,9,、改善产品的可靠性,工艺改善,1,、解决问题,2,、明了变量及过程之关系,3,、进行过程能力研究,4,、设备及方法比较,计量,1,、进行测量系统研究,2,、判定误差的主要来源,3,、最小测量误差,DOE,的分类,全因子实验,2,K,因子设计,2,K,因子与中心点,随机化区组实验,部分因子实验设计,响应曲面设计,田口设计,混料设计,过程参数设计,优化,选择最佳的参数组合使产品,对杂音最不敏感,；,应用直交表,进行原因检测和平均值的处理；,应用直交表使变异最小；,最低成本,田口试验,是运用最多的好方法,DOE,常见术语,1,我们假定过程的结果当中，,y1，y2，y3,是我们关心的输出变量，这些我们常常称之为,响应（,response）,我们将影响响应的那些变量称为实验问题中的因子。其中,x1,x2,x3,是人们在实验中可以控制的因子，我们称为,可控因子（,controlled factor）,在影响过程和结果的因子中除了控制因子还包括一些,不可控因子,（,uncontrolled factor）：u1,u2,他们通常包括,环境,、,操作员,、,材料批次等,，对于这些变量我们通常很难把它们控制在某个精确值上。,不可控因子,-,噪音,U,响应,Y,可控因子,X,可控因子,是影响过程最终结果（,响应,）的输入变量。,DOE,常见术语,2,响应（,Response):,实验输出的结果，即因变量，通常用“,Y,”表示。,因子（,Factor):,影响实验输出结果的不同输入变量，即自变量，通常用“,X,”表示。,水平（,Level):,实验中对因子的不同设定值。,噪音（,Noise):,不可控制的因子,/,因素。,分组（,Blocking):,也叫做模块化，将噪音的干扰最小化的方法。,随机化（,Randomization),：,以一种随机的次序做试验。,（,消除噪音变量或随机误差的影响,）,编码（,Code,）,:,用简单的符号或数字来代替“,X,”的时间的水平的方法。通常把计量型,因子的高水平设定为“,+1,”，低水平设定为“,-1,”，中心水平设定为“,0,”。,重复（,Repetition):,一种组合的反复，以得到相同水平的多个结果。也即在一个实验配置组,合条件下测试数个样品,（,揭示短期有效性,）,再现,(R,eplication,):,以随机的次序重复整个实验，而不是按同样的次序把实验再做一次,。,（,降低系统误差和随机误差,）。,也即在一个时间序列上重做整个实验,（,揭示长期有效性,）,主效果（,Main Effect):,对单个因子而言，从一个水平到另一个水平的变化对输出的平均影响,交互作用（,Interaction):,即一个因子,A,对,Y,的影响的影响，依赖于因子,B,所处的水平。,则称,A,与,B,有交互作用。,DOE,常见术语,3,实验次数,:,多水平实验次数,=K1*K2*K3(K1,K2,K3,为第,K,个因子的水平数）。,两水平实验次数,=2,K,;,三水平实验次数,=3,K,。,计量特性的种类（田口试验）,望目,特性,：,此特性具有一特定的目标值,(,愈近目标值愈好,),，例如尺寸、换档压力、 间隙、,粘度等。,望小,特性,：,目标的极端值是,(,值愈小愈好,),，例如磨耗、收缩、劣化、杂音水准等,望大,特性,：,目标值为无限大,(,值愈大愈好,),，例如强度、寿命、燃料效率等。,附：,品质特性可分为,二,类,计量特性,：,能以连续尺度量测。,如厚度、浓度、时间等。,计数特性,：,不能以连续尺度量测，但能按不连,续,分级尺度分类。常依主观而判定，如,好、更好、最好,、不合格、不合格品数等,。,DOE,常见术语,4-,正交表,正交表（直交表）特点：,每一列都是自我平衡，即每一列中各水准出现的频率相同。,每两列间都是互相平衡 ，即在某一列中出现某水准的所有实验组，在另一列中出现各水准的频率相同。,陈述实际问题和实验目的,选择“,Y,”,响应变量,陈述因子和水平,选择,DOE,实施实验及收集数据,分析实验结果,结论和计划,通过,DOE,想达到什么目的,?,Y,是什么？计量型？计数型？,如产出率,作业时间,清洁度等,如温度,(100,150),重量,(20,30,40kg),全因子实验,田口设计, 2,K,因子实验或响应曲面设计等,收集实验结果的数据,运用,Minitab,进行实验数据分析,制定改善方案,DOE,的处方,必要时重复实验,陈述问题和实验目的,选择“,Y,”,响应变量,陈述因子和水平,选择,DOE,实施实验及收集数据,分析实验结果,结论和计划,首先要明白实验的目的到底要什么？,把握,Vital Few Xs(,少数关键,X,）的影响程度,把握选定的重要,X,之间的交互作用,建立,X,和,Y,的预测模型,决定,Y,最佳化的,X,的条件,:,DOE,处方,-1.,陈述实际问题和实验目的,选择响应变量“,Y,”,(,特性值,),响应变量的定义,-,改善的目的是什么,?,目标值,(,平均,)/,散布水准,(,标准偏差,),-,响应变量随着时间变吗,?,响应变量是否具备正态分布,?,-,希望能发现出多大的响应变量的变化程度,?,-,MSA,（测量分析系统）是否可靠,?,-,希望得到多个输出响应变量吗,?,计数型与计量型数据的比较,?,计数型属性数据（合格,/,不合格率）的有效性不及计量型数据,（连续测量数据）， 这表明需要大量的数据才能得出数据有效的统,计结论。所 以尽量选择计量型数据作为,Y,以避免收集大量数据,陈述问题和实验目的,选择“,Y,”,响应变量,陈述因子和水平,选择,DOE,实施实验及收集数据,分析实验结果,结论和计划,DOE,处方,-2.,选择“,Y,”响应变量,陈述问题和实验目的,选择“,Y,”,响应变量,陈述因子和水平,选择,DOE,实施实验及收集数据,分析实验结果,结论和计划,DOE,处方,-3.,陈述因子和水平,决定因子,选择“,X,”因子，尽量为计量型，可以从以下来,：,-,因果图,-,头脑风暴法,-,流程图,-,专家意见,-,供应商输入,-,竞争性分析,-,分析阶段结果,宁缺毋滥！,处理噪音变量（不可控因子）的方法,-,利用随机化,-,试图把噪音变量维持为常数的方法,-,利用,Block,化,-,反复实验,陈述问题和实验目的,选择,”Y”,响应变量,陈述因子和水平,选择,DOE,实施实验及收集数据,分析实验结果,结论和计划,决定因子的水平,按因子数及影响的特性选择水平数,-,因子多时,用,2,水平,-,只有线形影响时,用,2,水平,-,估计有曲线影响时,用,3,水平,水平的范围设定,:,-,选择“,X,” 变量，要有足够的范围以体现差异,。,-,不可脱离实现可能性的范围,(,但可以超出当前,Process,的范围,),。,-,对计量性数据的输入变量的水平设定,大体上,要考虑当前条件的界限。,DOE,处方,-3.,陈述因子和水平,陈述问题和实验目的,选择“,Y,”,响应变量,陈述因子和水平,选择,DOE,实施实验及收集数据,分析实验结果,结论和计划,考虑实验的目的和预算等选择,DOE,DOE,处方,-4.,选择,DOE,当设计一个实验时，要考虑如下关键因素,a),实验限制条件,b),实验设计方法,c),噪声变量,d),随机化和分组,e),重复和反复,f),样本容量,实验设计的关键因素,(1),DOE,处方,-4.,选择,DOE,4a),确定实验限制条件,确定实验可采用方案数与实验次数的限制条件。,实验限制条件可以是时间，金钱，人力资源，物质限制等。,决定你将做多少次实验。,结合你的实验目的，选择最佳实验设计及你可以采用的最多的实验次数。,注意：,1.,不要在第一次实验中用完你所有的资源,2.,成功的,DOE,是一个反复的过程，不是一次实验就能完成的！,实验设计的关键因素,(2),DOE,处方,-4.,选择,DOE,4b),设计实验,-,确定实验设计方法,筛选实验,6,以上,部分因子实验,410,全因子实验,15,田口设计,2,1,3,DOE,种类,因子数量,选别重要因子,选别重要因子,因子与,Y,的关系,寻找因子的,最佳条件组合,目的,区分主效果,主效果和,部分交互作用,所有主效果和,交互作用,(,线性效果）,设计或工序,参数优化,作用,低,现在,工序知识,状态,高,响应曲面实验,23,设定因子的,最佳条件,反应变量的,预测模型,(,曲线效果）,效果,4c),噪声变量,噪声变量,会影响实验结果，但是我们不能控制它或选择对其不进行控制。此类变量为已知或未知。,范例：,-,季节因素，温度、湿度,-,设备,-,操作人员,-,原材料,实验设计的关键因素,(3),DOE,处方,-4.,选择,DOE,通常可以通过分组和随机化来降低噪声变量的影响！,实验设计的关键因素,(4),4d),分组（,Blocking),将数据分成类似的几组，以将噪声或潜伏变量的影响降到最小。,实例：,在四把枪（,A,、,B,、,C,和,D),及四个战士测试枪好不好。,A A A A,B B B B,C C C C,D D D D,A B C D,B C D A,C D A B,D A B C,战士,1,战士,2,战士,3,战士,4,造成改变的原因是枪还是战士？,4d),随机化（,Randomizing),通过分组方法对枪和战士进行独立测试,减少包括噪声和潜伏变量在内的其他变量的影响。,随机化：,-,运行顺序,-,测量顺序,DOE,处方,-4.,选择,DOE,实验设计的关键因素,(5),4e),重复（,Repetition),在不重新设置的情况下，对每次实验运行测量多个样本。,如,AABBCC,-,更好地估计,短期,变差,再现（,Replication),完全重新设置,整个,实验，以得到相同水平的多个结果。,如,ABCABC,-,更好地估计,长期,变差,压力：,L L L L H H H H,温度：,L L H H L L H H,压力：,L L H H L L H H,温度：,L H L H L H L H,DOE,处方,-4.,选择,DOE,实验设计的关键因素,(6),DOE,处方,-4.,选择,DOE,4f),确定样本容量,因为观测值会有变化，我们知道不能总相信测试一个样本得出的结果。,考虑以下因素：,Y,的标准差（,），通常通过历史数据得到。,实验结果要得到的重要的差异的大小（,），,=,目标值,-,现在值,确定适当样本数量的置信水平（,，,）通常取,=0.05,，,=0.10.,成本（ ）,测试大数量样本可能,耗费较高的资金和时间成本,。有时较大量的样本也不容易（,或不可能）收集。,目标是以较低成本,测试足量的样本,，以使结果拥有,充分的置信度,。同时达到两个,目标并不总是可能。,样本量的收集几乎总是在精确度和成本之间进行权衡。,通常经验做法是实验,Replication,的次数取,2,次以上。,实施实验及收集数据,确保进行实验前应设计好数据记录表（,可以利用,Minitab,），,以保证在设计好的表格内记录所有数据。,在实验进行过程中应,一直在场,，因为你无法预料会发生什么,样的情况！准备数据收集计划,.,保留实验样本将会对你有所帮助，如果某一测量值出现问题，,你可以重新测量该样本。,训练数据收集者,.,有必要可以示范运营,.,实施实验并收集数据,.,陈述问题和实验目的,选择“,Y”,响应变量,陈述因子和水平,选择,DOE,实施实验及收集数据,分析实验结果,结论和计划,DOE,处方,-5.,实施实验及收集数据,陈述问题和实验目的,选择“,Y,”,响应变量,陈述因子和水平,选择,DOE,实施实验及收集数据,分析实验结果,结论和计划,DOE,处方,-6.,分析实验结果,6a.,为整个模型建立方差分析表 统计,DOE,因子,分析因子设计,6b.,简化模型（去除不显著的项或平方和影响低的项）,3.,进行残值诊断，保证模型适合 统计,回归,回归,4.,研究显著的交互作用（,P-,值,DOE,因子,因子图,统计,方差分析,交互作用图,5.,研究显著的主效果（,P-,值,DOE,因子,因子图,统计,方差分析,交互作用图,6.,陈述获得的数学模型,Y=f(X),计算,%SS,的影响和评估实际的重要性,DOE,处方,-6.,分析实验结果,进行残差诊断，,保证模型适合,四合一图的判断方法：,1),正态概率图,：观察残差的正态性检验图：是否符合正态分布,.,2),残差,与拟合值,图：,观察残差对于以各自变量为横轴的散点图：是否有弯曲趋势。,3),直方图,：观察残差对于以响应变量拟合预测值为横轴的散点图：等方差性，,即是否,有,“,漏斗型,”,或,“,喇叭型,”。,4,),残差,与顺序,图,：观察残差对于以观测值顺序为横轴的散点图：是否随机波动。,需回答的问题：,Y,是否存在改善迹象？,实验结果是否具有统计显著性？,实验结果是否具有,实际,显著性？,我们是否需要运行附加实验？,重新验证实验，实验结果能够再现吗？,以后应该如何应用实验结果控制该工程？,总结与计划：,利用所有已知的情报解释实验结果,设定对输出变量的预测模型并决定最佳因子水平,追加实验确认结论,(,再现性实验,),没有得到较好的结果应制定对策,(,必要的话实施追加实验,),将模型转换为真实的流程设置，下结论,对结论和改善方案制作成报告书,提议复制最佳状态，计划下一步实验并将变化制度化。,结论和计划,陈述问题和实验目的,选择,”Y”,响应变量,陈述因子和水平,选择,DOE,实施实验及收集数据,分析实验结果,DOE,处方,-7.,结论和计划,DOE,方法演示,-,热处理实例,一名工程师想要了解合金钢硬度随着热处理工艺变化的变化。,他设计了一个实验，用两种不同的,温度,(,低和高,),，两个,时间,(,短和长,),，来自,两个不同制造商,的炉子。但他,只有足够做一次复制实验,的资源。,步骤,1,:,陈述实际问题, 该工程师想要了解合金钢的硬度。,步骤,2,:,选择,”Y”,响应变量, 合金钢的硬度,HRC,步骤,3,:,陈述重要的因子和水平, 温度,:1 & 2,；时间,:1 & 2,；炉子,:A & B,DOE,方法演示,-,热处理实例步骤,4,：设计实验,选择样本尺寸, 已知,:,重复一次,(,有多少种实验组合,?),DOE,方法演示,-,热处理实例步骤,4,：设计实验,（续）,DOE,方法演示,-,热处理实例步骤,4,：设计实验,（续）,DOE,方法演示,-,热处理实例步骤,4,：设计实验,（续）,数据附在本培训资料的文件夹目录下,（,根据上表安排,8,组实验,）,DOE,方法演示,-,热处理实例,步骤,6,：,分析实验结果,（先打开,Minitab,软件，从,文件,打开工作表,.,打开）,6a.,为整个模型建立方差分析表,DOE,方法演示,-,热处理实例,步骤,6,：,分析实验结果,（续）,6a.,为整个模型建立方差分析表,DOE,方法演示,-,热处理实例,步骤,6,：,分析实验结果,（续）,6a.,为整个模型建立方差分析表,DOE,方法演示,-,热处理实例,步骤,6,：,分析实验结果,（续）,6a.,为整个模型建立方差分析表,DOE,方法演示,-,热处理实例,步骤,6,：,分析实验结果,（续）,6a.,为整个模型建立方差分析表,DOE,方法演示,-,热处理实例,步骤,6,：,分析实验结果,（续）,6b.,用简化模型重新分析实验,(,去除不显著的项或平方和影响低的项）,DOE,方法演示,-,热处理实例,步骤,6,：,分析实验结果,（续）,6b.,用简化模型重新分析实验,(,存储预测值和残值）,DOE,方法演示,-,热处理实例,步骤,6,：,分析实验结果,（续）,6b.,用简化模型重新分析实验,(,Minitab,计算结果,-,简化模型）,DOE,方法演示,-,热处理实例,步骤,6,：,分析实验结果,（续）,6c.,进行残值诊断，保证模型适合,DOE,方法演示,-,热处理实例,步骤,6,：,分析实验结果,（续）,6d.,研究显著的交互作用（,P-,值,0.05)-,首先从高阶入手,DOE,方法演示,-,热处理实例,步骤,6,：,分析实验结果,（续）,6d.,研究显著的交互作用（,P-,值,0.05)-Minitab,输出交互作用图,DOE,方法演示,-,热处理实例,步骤,6,：,分析实验结果,（续）,6e.,研究显著的主效果（,P-,值,0.05),DOE,方法演示,-,热处理实例,步骤,6,：,分析实验结果,（续）,6f.,获得的数学模型,Y=f(X),计算,%SS,的影响和评估实际的重要性,DOE,方法演示,-,热处理实例,步骤,6,：,分析实验结果,（续）,6f.,获得的数学模型,Y=f(X),计算,%SS,的影响和评估实际的重要性,DOE,方法演示,-,热处理实例,步骤,6,：,分析实验结果,（续）,6f.,获得的数学模型,Y=f(X),计算,%SS,的影响和评估实际的重要性,DOE,方法演示,-,热处理实例,步骤,7,：,结论和计划,在热处理实验进程中，该工程师也拥有另一种合金钢的样本。其数据在,HeatTreat.mtw,文件的数据表,HRC2,列中。,运用,DOE,方法分析第二组合金钢的数据。,练习,结束 谢谢,